Anturivirheet sisältävät neljä pääluokkaa: täydelliset vikavirheet, kiinteät poikkeamavirheet, ajautumispoikkeamat ja tarkkuuden heikkeneminen.
Vikavirhe viittaa anturin mittauksen äkilliseen epäonnistumiseen, mitattu arvo on ollut vakio; Poikkeamavaurio viittaa pääasiassa anturin mitattuun arvoon ja vakioeron todelliseen arvoon vikaluokan välillä, kuten kuvassa havaitaan, mittauksen mittauksessa on vika, joka ;; se
Ajausvirheet ovat viat, joissa anturin mitatun arvon ja todellisen arvon välinen ero kasvaa ajan myötä.
Tarkkuuden heikkeneminen viittaa anturin mittauskyvyn ja alhaisen tarkkuuden heikkenemiseen. Kun tarkkuustaso laskee, mittauksen keskiarvo ei muutu, vaan mittauksen varianssi muuttuu.
Kiinteät poikkeamavirheet ja ajovirheet ovat vikoja, joita ei ole helppo havaita, ja aiheuttaa sarjan odottamattomia ongelmia vian aikana, jolloin ohjausjärjestelmä ei pysty toimimaan kunnolla pitkän ajanjakson ajan.
Anturin vikaantumistie
1, anturin vikaluokituksen asteen mukaan
Anturivaurioasteen koon mukaan voidaan jakaa kovaan vikaantumiseen ja pehmeään vikaantumiseen.
Kova vika viittaa vian aiheuttamien vaurioiden rakenteeseen, suurten, äkillisten muutosten yleiseen amplitudiin; Pehmeä vika tarkoittaa variaation ominaisuuksia, amplitudi on pieni, hidas muutokset.
Kova epäonnistuminen, joka tunnetaan myös nimellä täydellinen vika, täydellinen vika, kun mitattu arvo ei muutu todellisen muutoksen myötä, ylläpitä aina tiettyä lukemista. Yleensä tämä vakioarvo on yleensä nolla tai enimmäislukema. Vian mitattu arvo on karkeasti vaakasuora suora viiva.
Pehmeät viat sisältävät tietojen poikkeamat, ajautumisen ja tarkkuustasojen hajoamisen. Pehmeät viat ovat suhteellisen pieniä, vaikea löytää, joten tietyssä mielessä pehmeät viat haittaa kuin kovat viat ovat suurempia, ja sen haitta on vähitellen herättänyt huomiota.
2, suoritusluokituksen epäonnistumisen mukaan
Vikojen suorituskyvyn mukaan voidaan jakaa ajoittaisiin vikoihin ja pysyviin vikoihin.
Ajoittainen epäonnistuminen on hyvä tai huono; Pysyvä vikavirhe, ei voida palauttaa normaaliksi.
3, epäonnistumisen mukaan, luokitteluprosessin kehittäminen
Vikaprosessin mukaan kehitys voidaan jakaa mutaatiovirheeseen ja hitaaseen muutoksen vikaan.
Mutanttivirheen signaalin muutosnopeus on suuri; Hitaan muutoksen muutossignaalinopeus on pieni.
4, vikaluokituksen syyn mukaan
Vian syyn mukaan voidaan jakaa poikkeamavirheisiin, iskuvirheisiin, avoimen piirin vikoihin, ajovirheisiin, oikosulkuvirheisiin, jaksollisiin häiriöihin, epälineaarisiin kuolleisiin vyöhykkeisiin.
Poikkeamavirheiden syyt ovat: esijännitysvirta tai puolueellisuusjännite jne.; ja
INRUSH -vikojen vika -syyt ovat: satunnaiset häiriöt virtalähteessä ja maassa, nousut, kipinöiden purkaukset, d/a -muunnin jne. ja
Avoimen piirin vikojen vika-syyt: rikkoutuneet signaalilinjat, sirutapit eivät ole kytkettyjä jne.
Ajausvirheiden syy: lämpötila jne.; Oikollisvirheet: saastuminen.
Oikollisvirheiden vian syyt: Sillan korroosio, joka aiheutuu pilaantumisesta, linja-lyhentämisestä jne.
Sykliset häiriöiden vika syyt: Virtalähde 50 Hz: n häiriöt jne. ;; ja
Epälineaaristen kuolleiden vikojen vian syyt: vahvistimen kylläisyys, joka sisältää epälineaarisia linkkejä jne.
Lisäksi mallinnuksen ja simulaation kannalta se voidaan jakaa moninkertaisiin ja additiivisiin vikoihin. Bias -vikojen osalta alkuperäinen signaali plus vakio tai satunnainen pieni signaali; Shock -häiriöitä varten voidaan päällekkäin alkuperäiseen signaaliin pulssisignaaliin; Oikollisvirheiden osalta signaali on lähellä nollaa; Avoimen piirin viat, signaali on lähellä anturin lähtöä; Drift -viat, signaali tietyllä nopeudella siirtymässä alkuperäisestä signaalista; Sykliset häiriövirheet, alkuperäinen signaali päällekkäin tietyn taajuuden signaalille.
Anturin vikadiagnoosimenetelmät
Eri näkökulmista vikadiagnoosimenetelmien luokittelu ei ole täsmälleen sama. Vikadiagnoosimenetelmät jaetaan yksinkertaisesti: menetelmiin, jotka perustuvat analyyttisiin matemaattisiin malleihin ja menetelmiin, jotka eivät luota matemaattisiin malleihin.
1. Analyyttisiin matemaattisiin malleihin perustuvat menetelmät
Jäännösten eri muotojen mukaan analyyttisiin matemaattisiin malleihin perustuvat menetelmät voidaan jakaa edelleen: parametrien arviointimenetelmä, tilanestimointimenetelmä ja vastaava avaruusmenetelmä.
Mallipohjainen vikadiagnoosimenetelmä on yksi varhaisimmista kehitetyistä diagnoosimenetelmistä, mutta myös yksi yleisimmin tutkituista ja sovelletuista diagnoosimenetelmistä.
Edut ovat, että mallimekanismi on selkeä, rakenne on yksinkertainen, helppo toteuttaa, helppo analysoida ja voidaan diagnosoida reaaliajassa. Sillä on tärkeä sijainti vikadiagnoosin alalla, ja se on silti anturin vikadiagnoosimenetelmien tärkein tutkimussuunta tulevaisuuden kehityksessä.
Haitat ovat suuri määrä laskentaa, järjestelmän monimutkaisuutta; mallintamisvirheiden olemassaolo, mallin huono sopeutumiskyky; huono luotettavuus, joka on alttiita väärille hälytyksille, laiminlyönnille ja muille ilmiöille; Ulkoisten häiriöiden kestävyys, järjestelmä ei ole herkkä kohinalle ja häiriöille.
Tällä hetkellä tämän diagnostisen menetelmän tutkimustulokset keskittyvät edelleen pääasiassa lineaarisiin järjestelmiin, mikä on suuri merkitys epälineaaristen järjestelmien yleisten vikadiagnostiikkatekniikoiden perusteelliselle tutkimukselle, ja samalla myös vankuuden ongelma on korkea tutkimusarvo. Taulukko L kuvaa joidenkin mallintamismenetelmän vikadiagnoosimenetelmien etuja ja haittoja.
2. vikadiagnoosimenetelmät, jotka eivät ole riippuvaisia matemaattisista malleista
Tällä hetkellä ohjausjärjestelmä muuttuu yhä monimutkaisemmaksi johtuen siitä, että ohjausjärjestelmän tarkan analyyttisen matemaattisen mallin luominen on vaikeaa käytännössä, kun mallintamisvirhe on, mallipohjaiset vikadiagnoosimenetelmät ovat vääriä Hälytykset, puutteet ja muut ilmiöt, joten mallista riippumattomia vikadiagnoosimenetelmiä on arvostettu erittäin voimakkaasti.
Matemaattisten mallien riippumattomien menetelmien edut ovat, että ne eivät vaadi objektin tarkkaa mallia ja ovat erittäin mukautuvia. Haitta on, että rakenne on monimutkainen ja vaikea toteuttaa.
Tällaiset järjestelmamallista riippumattomat vikadiagnoosimenetelmät voidaan luokitella vikadiagnoosimenetelmiin, jotka perustuvat tietopohjaisiin lähestymistapoihin, tietopohjaisiin vikadiagnoosimenetelmiin ja erillisiin tapahtumiin perustuviin menetelmiin.
2.1 Datavetoiset menetelmät
Tietopohjaisia menetelmiä on kaksi pääluokkaa: signaalinkäsittelymenetelmät ja tilastolliset menetelmät.
Jotkut yleisesti käytetyt signaalinkäsittelypohjaiset vikadiagnoosimenetelmät ovat: absoluuttinen arvotesti ja trenditesti, vian havaitseminen käyttämällä Kullb ACK -tietokriteeriä, adaptiiviseen liukuvaan hilsuodatin, vian havaitsemismenetelmiin perustuvia vikojen havaitsemismenetelmiä, signaalien arviointialueen korrelaatioanalyysimenetelmien perusteella, Wavelet -analyysi Menetelmät ja tiedon fuusiomenetelmät.
2.2 Tietopohjaiset menetelmät
Tietopohjaiset vikadiagnoosimenetelmät voidaan luokitella samanaikaisesti kahteen tyyppiin: oirepohjaiset vikadiagnoosimenetelmät ja laadulliset mallipohjaiset vikadiagnoosimenetelmät.
2.3 Diskreetti tapahtumapohjainen menetelmä
Diskreetti tapahtumapohjainen vikadiagnoosimenetelmä on viime vuosina kehitetty uuden tyyppinen vikadiagnoosimenetelmä. Perusajatuksena on, että erillisen tapahtumamallin tila heijastaa sekä järjestelmän normaalia tilaa että vikatilaa.
Teoreettisen tutkimuksen etenemisen ja teknisen tason jatkuvan parantamisen myötä anturin vikadiagnoosin tutkimus on yleensä käytännöllisempi, ja jotkut käytännössä havaitut ongelmat ratkaistaan vähitellen.